安徽科技学院图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

深度理解算法:图表示学习的推荐系统研究/马心陶著

出版发行项:

北京:社会科学文献出版社,2024.5

ISBN及定价:

978-7-5228-3582-2/CNY98.00

载体形态项:

155页:图;24cm

并列正题名:

Understanding algorithms:deep recommendation system based on graph representation learning

其它题名:

图表示学习的推荐系统研究

个人责任者:

马心陶 著

学科主题:

机器学习-数据采掘

中图法分类号:

TP181

中图法分类号:

TP311.131

一般附注:

吉林财经大学资助出版图书 获吉林省教育厅科学研究优秀青年项目“基于隐式特征模型的深度推荐系统关键技术研究”(JJKH20240199KJ) 资助

责任者附注:

马心陶, 博士, 吉林财经大学管理科学与信息工程学院教师。2011年赴德国留学, 获学士与硕士学位; 2022年毕业于吉林大学计算机科学与技术学院, 获工学博士学位。主要研究方向为推荐系统、知识图谱与社交网络。

书目附注:

有书目 (第152-155页)

提要文摘附注:

本书针对推荐系统中的二部图、社交网络和知识图谱的图结构模式, 研究基于图表示学习的深度推荐系统。通过挖掘图信息中的隐性关系和高阶关系, 使用图学习的方式探索用户和产品的潜在关联, 弥补相关推荐系统研究在挖掘用户之间或者产品之间隐性关系方面的不足, 形成一系列合理而且有效的推荐技术。增加推荐系统输入的多样性, 运用社交网络和知识图谱等辅助信息, 缓解推荐系统目前面临的“数据稀疏”“冷启动”等问题, 提高推荐系统的准确性和多样性, 为推荐系统技术的发展提供可参考的方向。

使用对象附注:

本书适用于机器学习数据采掘研究人员

豆瓣简介：